duckdb.connect() 创建内存数据库，不自动解析CSV路径为表，必须用 read_csv() 函数包装路径（如 SELECT * FROM read_csv('data.csv')），否则报“No such table”错误。
duckdb.connect() 为什么不能直接查 CSV 文件？
因为 duckdb.connect() 默认创建的是内存数据库，不自动挂载外部文件系统。你得显式告诉它“这个 CSV 我要当表用”——不是靠 CREATE TABLE 手动建再 COPY，而是用 read_csv() 这类函数直接当表名用。
常见错误是写 SELECT * FROM 'data.csv';，结果报错 No such table: data.csv。DuckDB 不会把字符串路径自动解析为表，必须用函数包装。
-
duckdb.query("SELECT * FROM read_csv('data.csv')")—— 最快上手方式，适合一次性查询 -
con = duckdb.connect(); con.execute("CREATE VIEW mytable AS SELECT * FROM read_csv('data.csv')")—— 后续可反复查mytable，但注意视图不缓存数据，每次查都重读文件 - 如果 CSV 没有表头，加参数
header=False；类型推断不准时，用types={'col1': 'VARCHAR'}
如何把 Pandas DataFrame 当成 SQL 表来查？
DuckDB 原生支持 df 对象作为查询源，不需要导出再导入。关键点在于：DataFrame 必须先注册到连接对象里，或者直接在 query() 中用 df 变量名引用。
错误写法：duckdb.query("SELECT * FROM my_df") —— 报错 No such table: my_df，因为没注册。
立即学习“Python免费学习笔记（深入）”；
- 推荐方式：
duckdb.sql("SELECT * FROM my_df")，前提是变量my_df在当前作用域可见（sql()是顶层函数，自动识别本地变量） - 连接方式：
con.register("my_table", my_df)，之后可用con.execute("SELECT * FROM my_table") - 性能提示：注册后查大 DataFrame 仍走内存，但比反复调
sql()略快；sql()更适合交互探索，写脚本建议用register()
查询 Parquet 或 JSON 文件时要注意什么？
Parquet 支持最好，JSON 次之，但两者都不能像 CSV 那样靠猜——尤其 JSON，容易因结构不一致崩掉。
典型报错：Invalid Input Error: Cannot automatically determine schema for JSON file，说明 DuckDB 读 JSON 时卡在 schema 推断上了。
- Parquet：直接
read_parquet('file.parquet')，支持分区目录（如read_parquet('data/')自动合并子目录下所有 parquet 文件） - JSON：优先用
read_json('file.json', format='array')（数组格式），单对象每行的用format='newline_delimited'；不确定结构就加sample_size=20000帮它多看几行 - 路径通配符可用：
read_parquet('logs/*.parquet')，但注意 glob 性能开销，生产环境建议预过滤
为什么 WHERE 条件没走过滤却全表扫描？
不是 SQL 写错了，大概率是 DuckDB 没法利用底层文件的元数据做谓词下推——比如 CSV 没索引、JSON 没统计信息、Parquet 列存虽好但你查的是未排序列。
现象：查 1GB CSV 的某天数据，耗时 8 秒，而同样条件查 Parquet 只要 0.2 秒。
- CSV：无法跳过行，
WHERE date = '2024-01-01'仍要逐行解析字符串再比对 - Parquet：确保按常用过滤字段排序并写入（如
df.write_parquet('out.parquet', sort_columns=['date'])），DuckDB 才能跳过不匹配的 Row Group - 临时提速：对 CSV 先转 Parquet 缓存一次，
duckdb.sql("COPY (SELECT * FROM read_csv('x.csv')) TO 'x.parquet' (FORMAT PARQUET)")
真正“无缝”的前提是数据格式配合查询模式，不是光靠 SQL 语法顺滑就能掩盖 I/O 层的硬约束。
